[发明专利]一种基于智能手机的人体异常步态识别方法

权利要求书

1.一种基于智能手机的人体异常步态识别方法，其特征在于，包括以下步骤：

S1、采集人体在走路时智能手机中加速度传感器和旋转矢量传感器的信号数据；

S2、利用四元素坐标系对采集到的信号数据进行坐标转换，得到预处理后的信号数据；

S3、利用双树复小波算法将预处理后的信号数据进行信号去噪，得到去噪后的信号数据；

S4、通过去噪后的信号数据分析正常步态与异常步态的区别，并对其进行特征提取得到特征值；

S5、根据提取到的特征值，通过机器学习算法构建IBK分类器模型，并从中选择出最优的IBK分类器模型；

S6、通过最优的IBK分类器模型识别不同状态下的步态类型。

2.根据权利要求1所述的基于智能手机的人体异常步态识别方法，其特征在于，所述步骤S2中四元素坐标系的计算公式为：

上式中，m₂为四元素坐标系坐标，M为旋转矩阵，m₁为原始坐标系坐标；

其中，原始坐标系m₁＝[x,y,z]^T，(x，y，z)为原始手机坐标系；

旋转矩阵M的计算公式为：

上式中，q₁,q₂,q₃,λ均为实数，其计算公式为：

上式中，n_x、n_y、n_z分别为x轴、y轴、z轴的矢量，θ为旋转角度。

3.根据权利要求1所述的基于智能手机的人体异常步态识别方法，其特征在于，所述步骤S3的具体方法为：通过q-shift方法构造正交双树复小波滤波器h₀(n)和g₀(n)，通过滤波器h₀(n)和g₀(n)对预处理后的信号数据进行信号去噪。

4.根据权利要求3所述的基于智能手机的人体异常步态识别方法，其特征在于，所述滤波器h₀(n)和g₀(n)的关系式为：

g₀(n)＝h₀(N-1-n),0≤n<N

上式中，N为采集的总样本点，n为样本点的个数。

5.根据权利要求1所述的基于智能手机的人体异常步态识别方法，其特征在于，所述步骤S4中特征值的提取方法为：计算信号去噪后的数据统计量特征信息和经过多层变换后的小波系数特征信息相结合，形成特征值；

所述统计量特征包括均值、均方差、平均绝对偏差和四分位距。

6.根据权利要求5所述的基于智能手机的人体异常步态识别方法，其特征在于，所述均值的计算公式为：

上式中，N为采集的总样本点，x_i为采集样本点为i时的传感器数据值；

所述均方差σ的计算公式为：

所述平均绝对偏差X_MAD的计算公式为：

所述四分位距IQR的计算公式为：

IQR＝Q₃-Q₁

上式中，Q₁为采集的样本点的数据按照从小到大次序排列后1/4处的数值，Q₃为采集的样本点的数据按照从小到大次序排列后3/4处的数值。

7.根据权利要求1所述的基于智能手机的人体异常步态识别方法，其特征在于，所述IBK分类器模型的构建过程为：基于特征值构建IBK分类器模型，通过调整IBK分类器模型的具体参数，分析IBK分类器模型的优劣，选择最优的IBK分类器模型参数。